机器人竟能读懂人类心声，准确率高达90%

（来源：MIT Technology Review）

在机器人的“眼中”，现实世界充满了海量需要处理的信息。想要理解场景中的每一个数据点，往往需要耗费大量的计算资源和时间。而在此基础上，利用这些信息来判断如何更好地帮助人类，更是一项颇具挑战的任务。

如今，麻省理工学院的机器人专家找到了一种方法，能够帮助机器人过滤数据噪音，使其专注于场景中与协助人类最为相关的特征

他们将这种方法命名为“相关性（Relevance）”。借助这一方法，机器人可以利用场景中的各种线索，比如音频和视频信息，来判断人类的目标，进而快速识别出最有可能助力实现该目标的物体。随后，机器人会执行一系列操作，安全地将相关物体递交给人类，或者完成相应动作。

研究人员通过模拟会议自助早餐场景的实验，展示了这一方法的实际效果。他们摆了一张桌子，上面摆满了各式各样的水果、饮料、小吃和餐具，还配备了一个装有麦克风和摄像头的机械臂。运用新的“相关性”方法后，实验表明，机器人能够在不同场景中准确识别人类的目标，并提供恰当的帮助

在其中一个场景里，机器人捕捉到人类伸手去拿一罐冲调好的咖啡这一视觉线索，便迅速将牛奶和搅拌棒递给了这个人；在另一场景中，机器人听到两个人谈论咖啡的对话后，为他们送上了一罐咖啡和奶精。

总体而言，该机器人预测人类目标的准确率可达 90%，识别相关物体的准确率更是高达 96%。而且，这一方法还显著提升了机器人的安全性，与未使用该方法执行相同任务相比，碰撞次数减少了 60% 以上。

麻省理工学院机械工程教授 Kamal Youcef-Toumi 表示：“这种实现相关性的方法，能让机器人与人类的交互变得更加容易。机器人无需频繁询问人类的需求，而是主动从现场获取信息，自行判断如何提供帮助。”

Kamal 的团队正在探索，运用“相关性”编程的机器人在智能制造仓库场景中能发挥怎样的作用。他们设想，未来机器人可以与人类并肩工作，默契地提供协助。

Kamal与研究生 Xiaotong Zhang、Dingcheng Huang 将在今年 5 月举行的 IEEE 国际机器人与自动化会议上展示这一新方法。

寻找焦点

该团队的方法受到人类自身筛选日常生活中相关事物能力的启发。人类之所以能够过滤掉干扰信息，专注于重要内容，得益于大脑中的网状激活系统（RAS）。RAS 是脑干中的一束神经元，它在潜意识层面发挥作用，过滤掉不必要的刺激，让人能够有意识地感知到关键信息。比如，RAS 能避免我们的感官因过多信息而超载，让我们不会在倒咖啡时，把注意力分散在厨房柜台上的每一件物品上，而是专注于当前的任务。

Kamal 解释道：“这些神经元能过滤掉所有不重要的信息，让大脑专注于当下相关的内容，这真的很神奇。这基本上就是我们的研究思路。”

他和团队开发了一种机器人系统，该系统在很大程度上模仿了 RAS 筛选和处理信息的能力。这一方法主要包含四个阶段。第一阶段是“感知”阶段，在此期间，机器人通过观察和学习，获取音频和视频线索，例如麦克风和摄像头传来的信息，这些信息会持续输入到 AI“工具包”中。这个工具包可能包含一个大型语言模型（LLM），用于处理音频对话，识别关键字和短语，同时还配备了各种算法，用于检测和分类物体、人类、身体动作以及任务目标。AI 工具包就像大脑的 RAS 一样，在后台持续运行，进行潜意识层面的信息过滤。

第二阶段是 “触发检查” 阶段，系统会定期进行检查，判断是否有重要事件发生，比如是否有人进入该环境。一旦检测到有人进入，系统便会进入第三阶段。这一阶段是整个系统的核心，其作用是确定环境中哪些特征最有可能与帮助人类相关。

为了建立这种相关性，研究人员开发了一种算法，它可以接收 AI 工具包做出的实时预测。例如，工具包中的 LLM 可能识别出关键字“coffee”，而动作分类算法可能将伸手拿杯子的人标记为有“make coffee”的目标。团队的“相关性”方法会综合这些信息，首先确定与“making coffee”目标最相关的物体“类别”。这样一来，“fruits”和“snacks”等类别可能会被自动排除，而“cups”和“creamers”等类别则会被保留。接着，算法会在相关类别中进一步筛选，确定最相关的“元素”。比如，根据环境中的视觉线索，系统可能会将离人最近的杯子标记为比远处的杯子更相关、更能提供帮助。

在第四阶段，也是最后一个阶段，机器人会获取识别出的相关物体，并规划一条路径，将这些物体送到人类手中。